Op kunstmatige intelligentie gebaseerde methoden kunnen melanoomrecidieven in een vroeg stadium helpen voorspellen

Op kunstmatige intelligentie gebaseerde methoden kunnen melanoomrecidieven in een vroeg stadium helpen voorspellen

De meeste sterfgevallen als gevolg van melanoom – de dodelijkste vorm van huidkanker – komen voor bij patiënten bij wie aanvankelijk de diagnose melanoom in een vroeg stadium werd gesteld en die later een recidief ervoeren, dat doorgaans pas wordt ontdekt nadat het zich heeft verspreid of uitgezaaid.

Een team onder leiding van onderzoekers van het Massachusetts General Hospital (MGH) heeft onlangs een op kunstmatige intelligentie gebaseerde methode ontwikkeld om te voorspellen welke patiënten het meest waarschijnlijk een recidief zullen ervaren en daarom waarschijnlijk baat zullen hebben bij een agressieve behandeling. De methode werd gevalideerd in een studie gepubliceerd in npj Precision Oncology.

De meeste patiënten met melanoom in een vroeg stadium worden behandeld met een operatie om kankercellen te verwijderen, maar patiënten met gevorderde kanker krijgen vaak immuuncheckpointremmers, die effectief zijn in het versterken van de immuunrespons tegen tumorcellen, maar ook aanzienlijke bijwerkingen hebben.

Er is een dringende behoefte aan het ontwikkelen van voorspellende instrumenten om te helpen bij de selectie van hoogrisicopatiënten voor wie de voordelen van immuuncheckpointremmers het hoge aantal pathologische en potentieel fatale nadelige immunologische voorvallen zouden rechtvaardigen die bij deze klasse van therapieën worden waargenomen.”

Yevgeniy R. Semenov, MD, senior auteur, onderzoeker, afdeling dermatologie bij MGH

“Betrouwbare voorspelling van herhaling van melanoom kan een nauwkeurigere behandelingsselectie voor immunotherapie mogelijk maken, de progressie van metastatische ziekten verminderen en de overleving van melanoom verbeteren, terwijl de blootstelling aan behandelingstoxiciteiten wordt geminimaliseerd.”

Om dit te bereiken evalueerden Semenov en zijn collega's de effectiviteit van algoritmen op basis van machinaal leren, een tak van kunstmatige intelligentie die gegevens uit elektronische medische dossiers gebruikt om herhaling van melanoom te voorspellen.

Concreet verzamelde het team 1.720 melanomen in een vroeg stadium - 1.172 van het Mass General Brigham Healthcare System (MGB) en 548 van het Dana-Farber Cancer Institute (DFCI) - en haalde 36 klinische en pathologische kenmerken van deze kankers uit elektronische medische dossiers om het risico op herhaling van patiënten met mechanische leeralgoritmen te voorspellen. Algoritmen werden ontwikkeld en gevalideerd met behulp van verschillende MGB- en DFCI-patiëntensets, en de tumordikte en de snelheid van kankerceldeling werden geïdentificeerd als de meest voorspellende kenmerken.

“Ons uitgebreide platform voor risicovoorspelling, dat gebruik maakt van nieuwe machine learning-benaderingen om het risico op herhaling van melanoom in een vroeg stadium te bepalen, heeft een hoog niveau van classificatie en voorspellingsnauwkeurigheid van tijd tot gebeurtenis bereikt”, zegt Semenov. "Onze resultaten suggereren dat machine learning-algoritmen voorspellende signalen kunnen extraheren uit klinisch-pathologische kenmerken voor de voorspelling van herhaling van melanoom in een vroeg stadium, wat de identificatie mogelijk zal maken van patiënten die baat kunnen hebben bij adjuvante immunotherapie."

Bron:

Algemeen ziekenhuis van Massachusetts

Referentie:

Wan, G., et al. (2022) Voorspelling van herhaling van melanoom in een vroeg stadium op basis van klinische en histopathologische kenmerken. npj Precisie-oncologie. doi.org/10.1038/s41698-022-00321-4.

.